语料库利用的两个问题
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• 以北语开发的“HSK动态作文语料库”为 例 为海内外众多硕士生、博士生所使用， 为他们的研究及论文写作提供帮助。 学术期刊、学术会议及网上可以看到众 多利用该语料库的研究成果。 注册用户众多，一旦发生故障会引起全 球性反应。 • 但是，我们发现在利用语料库进行汉语习 得和教学的研究中，有两个问题值得我们 注意。
二、关于语料库利用的两个问题
●
研究案例二：关于汉语形容词的语法分布
在英语中，修饰名词作定语是形容词的 专利；但在汉语中，对形容词修饰名词作 定语的语法功能却有着截然相反的论述， 对形容词充当谓语也有不同的看法：
二、关于语料库利用的两个问题
“形容词能作谓语或谓语中心语和定语， 多数能够直接修饰名词。”（黄伯荣、廖 序东主编《现代汉语》，高等教育出版社， 2004年。已发行500多万册） “在不带‘的’的格式里，形容词和名 词的配合受到限制，比如可以说‘白纸’、 ‘白头发’，但是不说或不太说‘白手’、 ‘白家具’。”（朱德熙《语法讲义》， 商务印书馆，1982年。）
一、 语料库与语料库语言学
• 第四代语料库：
互联网作为语料库。 ……可以把不断发展的因特网作为虚拟语 料库。
一、语料库与语料库语言学
• 中国大陆的语料库建设： 始于80 年代初期，发展迅速。 例如：“汉语词频统计语料库”为200万 字次；“现代汉语语料库”为7000万字次； “中文五地区共时语料库”每年收入的语 料达6亿至8亿多字次；“面向语言教学研 究的汉语语料检索系统CCRL”为8亿多字次。
二、关于语料库利用的两个问题
●
研究案例三： “把”字句习得的“回避” 说与“不回避”说
• 量词的用法、形容词谓语句、无标记的被动句、 带各种补语的句子、“把”字句（多数学生难点 中的难点）、“了”“着”“过”的用法（“了” 也是难点中的难点）、比较句、方位词的用法、 长定语、三位数以上的大数目。 • 怎么知道什么是难点，什么不是难点呢？一是通 过语言对比研究来发现，二是靠教学经验。…… 到底什么是真正的难点，最终还要靠教学经验来 检验。（吕必松1992：110）
二、关于语料库利用的两个问题
• 如以英语为母语的学习者的语法难点有：形容词 谓语句、无标记被动句、带各种补语的句子、 “把”字句、“是……的”句、比较句以及 “了”“着”“过”的用法、量词用法、方位词 用法、长定语、大数目称数法以及话语连接等。 其中的大部分，对任何母语背景的学习者来说也 都是难点。
二、关于语料库利用的两个问题
„„语料库的使用，为语言学的研究 提供了一种新的思维角度，辅助人们 的语言“直觉”和“内省”判断，从 而克服研究者本人的主观性和片面性， 逐渐成为语言学研究的主流方 法。„„从某种意义上说，语料库的 使用，是语言学研究的一次革命性的 进步。（冯志伟2006：14）
二、关于语料库利用的两个问题
“得”字程度补语句的习得状况
形式
· ·+ 得 + 多 ·
· ·+ 得 + 很 · · ·+ 得 + 不得了 · · ·+ 得 + 厉害 · · ·+ 得 + 慌 · · ·+ 得 + 要命 · · ·+ 得 + 远 ·
词次
32
17 8 2 2 1 1
正误比
28/4
12/5 7/1 2/0 2/0 1/0 1/0
●
●
口语和书面语是不同质的研究对象，基本义 相同的口语词和书面语词经常不能替换： 如“帮”、“帮助”、“帮忙”基本意义 相同，“你帮我买张票”，不说“帮助” 和“帮忙”；“他欺骗我的感情”、“他骗我 的钱”，“欺骗”和“骗”也不能互换。 这和书面语与口语有关，也和汉语的节律 有关。 结论：对汉语形容词语法分布的论述应区 分口语体与书面语体。
二、关于语料库利用的两个问题
“性质形容词单独作谓语也有一定的限制， 一般只能用于对照、比较的情况。在没有 比较意味的句子里，一般要在前面加上程 度副词‘很’。” (刘月华等主编《实用现 代汉语语法》，商务印书馆，2002年。） 有学者利用语料库对汉语形容词在书面 语和口语中的分布进行了统计（张宝林 2011）：
一、 语料库与语料库语言学
• 第二代计算机语料库（1980年代）： 大规模（千万词级），词典编纂－应用导 向，句法级。 Bank of English、 Longman、 ICE（The International corpus of English）。
一、 语料库与语料库语言学
• 第三代计算机语料库（1990年代－）： 超大规模（上亿词级），标准编码体系深 度标注/多语种NLP应用，语义和语用级。 BNC（The British National corpus）、 LDC（Linguistic data Consortium，语言学 资料共享计划）、法兰西语料库、 俄语国 家语料库、 NERC（Network of European Reference Corpora，欧洲参考资料语料库 网/欧洲语料库网（European Corpora Network） 。
一、语料库与语料库语言学
• 上海交通大学、厦门大学、北京大学、中 国人民大学、北京师范大学、鲁东大学、 苏州大学、四川外国语学院、华中师范大 学等，也都已经建成或正在建设自己的汉 语语料库。 • 但是，现有的语料库绝大多数都是书面语 语料库，口语语料库很少，多模态语料库 尚无建成者。
一、 语料库与语料库语言学
二、关于语料库利用的两个问题
形容词的主要语法功能：定语说+谓语说。
语料 口语 书面语 口+书 形容词 谓语 504 611 1115 298 107 405 频率 59.1% 17.5% 36.3% 定语 108 385 493 频率 21.4% 63.0% 44.2%
二、关于语料库利用的两个问题
1.5 作用与成果 通过对语料库中较大规模真实语料的 考察，研究者发现了前人未曾发现的一些 汉语中介语现象。语料库为定量分析奠定 了坚实的基础，研究者可以把定性研究与 定量研究相结合，从而使得出的研究结论 具有较强的客观性、普遍性和科学性，这 在一定程度上改变了汉语教学与习得研究 的模式，极大地提高了汉语作为第二语言 教学研究的水平。
“得”字情状补语句的习得状况
一级 二级 三级 四级 五级 六级 合计
正
误
41
6
31
14
40
7
31
6
19
4
22
2
184
39
（孙德金2002，赵金铭 2008）
一、 语料库与语料库语言学
• 这一研究结果促使研究者利用相同语料库 对不带“得”字补语句（如趋向补语）的 习得情况进行考察，结果发现学习者习得 不带“得”字补语句偏误率整体高于带 “得”补语句。通过进一步的深入考察， 研究者大体构拟出了英、日、韩（朝）等 母语学习者对汉语不同类型补语的习得顺 序。（杨德峰2003、2008）
关于汉语作为第二语言教学研究中 语料库利用的两个问题
福建师范大学 沙平
一、语料库与语料库语言学
1.1 语料库（corpus/corpora）： 是存储语料的数据库，是以电子文本或其 它电子介质形式存贮在计算机中的、借助计 算机软件进行管理并可以通过计算机软件进 行查询、检索、统计的一定数量的语言材料 的集合，是进行语言研究的一种普遍资源。
二、关于语料库利用的两个问题
2.2 要注意研究对象的“同质”性 欧美现代语言学之父、瑞士语言学家 费尔迪南· 索绪尔（ferdinand de 德· saussure 1857-1913）十分重视语言研究 的“同质”问题。他提出了区分语言/言语、 历时/共时、能指/所指、组合关系/聚合关 系等一系列二分的语言学概念，就是为了 确保语言研究对象和语言研究的同质性。
二、关于语料库利用的两个问题
• 使用率：
• 外国学习者：3682 /4000000≈0.0921%。 • 汉语母语者： 张黎2007：46/210000≈0.0219% 李宁、王小珊2001：335万字，≈0.0894% • 人民日报： 俞士汶（98/1-6）：9801/13000000≈0.0754% CCRL（2000）：1498/1930000≈0.07762% CCRL（2012）：18413/24000000≈0.0767% “比较大的样本可以减低样本统计量的变异” （戴维· 穆尔2003：162）。 S·
• 通过语言对比突出语法的重点和难点。对外汉语 语法教学的一大特点是学习者会受到其第一语言 迁移作用的影响。作为第二语言的汉语对所有学 习者都有共同的难点，对不同母语背景的学习者 又有特殊的难点。（刘珣2000：366）
二、关于语料库利用的两个问题
• 对欧美学生来说，受事主语句、存现句、 主谓谓语句，以及时间、地点状语的位置， 始终是学习的难点，同时也体现汉语语法 特点。而带有普遍性的语法难点，则是 “把”字句、各类补语以及时态助词 “了”“着”等。至于我们所认为的特殊 句式，其实并非学习的难点，比如连动句、 兼语句、“是”字句、“有”字句以及名 词谓语句、形容词谓语句。这也是从多年 教学中体味出的。（赵金铭 2006）
二、关于语料库利用的两个问题
• 学界共识： 1）最大难点：“多数学生难点中的难 点”。 2）回避：外国学习者对把字句采取了回 避的学习策略，尽量不用，用则必错。 • 证据： 1）外国人对把字句的使用率不足百分之 一。 2）谈话一小时，没用一个把字句。
二、关于语料库利用的两个问题
• 有学者利用语料库对把字句使用情况进行 了考察 • 偏误率： 在“HSK动态作文语料库”（1.0版） 中，共有把字句3682句，其中正确句3221 句，在把字句总数中所占比例约为87. 48%； 偏误句461句，在把字句总数中所占比例约 为12. 52%。
一、 语料库与语料库语言学
中国大陆近年来基于语料库的具有代表 性的研究成果：
• 赵金铭教授：“基于中介语语料库的汉语 句法研究”（2008） • 张博教授：“基于中介语语料库的汉语词 汇专题研究”（2008） • 肖奚强教授：“外国学生汉语句式学习难 度及分级排序研究”（2009） • ……
二、关于语料库利用的两个问题
一、语料库与语料库语言学
1.3 汉语中介语语料库建设 • 汉语中介语语料库的建设是在国内外语料库 语言学和母语语料库建设的影响下开始的。 • 国外第一代计算机语料库（1960－70年代）： 小规模（百万词级），以语言研究为导向， 词法级。 Brown、 LOB、 London-Lund Corpus。
一、 语料库与语料库语言学
• 研究案例一：关于汉语补语的习得难度与 习得顺序 一般认为有复杂的补语系统是汉语语法 的一个特点，也是外国学习者习得汉语的 一个难点。但是，北京语言大学的课题组 利用“汉语中介语语料库”对带“得”字 补语句的习得状况进行了考察，发现学习 者习得“得”字补语句的偏误率没有人们 想象的那么高。（见下表）。
一、语料库与语料库语言学
1.2 语料库语言学（corpus linguistics） ： 包含两个方面： （1）语料库建设，包括对自然语料进行加工、 标注； （2）语料库应用，用已经标注好的语料进行 语言研究和应用开发。 是以现实生活中人们运用语言的实例为 基础进行的语言研究，可以在研究中发现某 些语言规律，也可以对语言假说进行验证。
一、语料库与语料库语言学
• 在这种背景下，从上世纪90年代开始，中 国大陆开始建设外国人学习汉语的中介语 语料库。经过10多年的发展，汉语中介语 语料库建设已初具规模，并在汉语作为第 二语言教学与习得等研究领域发挥了重要 的作用。
一、语料库与语料库语言学
1.4 已建成的Βιβλιοθήκη Baidu要汉语中介语语料库
• 北京语言大学：汉语中介语语料库系统 （1995）、HSK动态作文语料库（2006）、 首都外国留学生汉语文本语料库（2010）、 汉语学习者口语语料库（2007） • 南京师范大学：外国学生汉语中介语偏误信息 语料库 • 中山大学：留学生中介语语料库 • 暨南大学华文学院：留学生汉语中介语语料库
• 2.1 利用语料库已经成为汉语作为第二语言 教学研究的主流方法 • 语料库以其语料的充分性、客观性、可验 证性、使用的便捷性，正在使语言学的研 究与应用产生量与质的飞跃。 • 语料库语言学将数据收集与理论论述有机 地结合在一起，使我们对语言的理解发生 了质的变化.（Halliday1991） • 基于语料库的研究方法，已经成为当代语 言学和应用语言学研究中的一种主流方法。 （王建新2005）
二、关于语料库利用的两个问题
●
研究案例二：关于汉语形容词的语法分布
在英语中，修饰名词作定语是形容词的 专利；但在汉语中，对形容词修饰名词作 定语的语法功能却有着截然相反的论述， 对形容词充当谓语也有不同的看法：
二、关于语料库利用的两个问题
“形容词能作谓语或谓语中心语和定语， 多数能够直接修饰名词。”（黄伯荣、廖 序东主编《现代汉语》，高等教育出版社， 2004年。已发行500多万册） “在不带‘的’的格式里，形容词和名 词的配合受到限制，比如可以说‘白纸’、 ‘白头发’，但是不说或不太说‘白手’、 ‘白家具’。”（朱德熙《语法讲义》， 商务印书馆，1982年。）
一、 语料库与语料库语言学
• 第四代语料库：
互联网作为语料库。 ……可以把不断发展的因特网作为虚拟语 料库。
一、语料库与语料库语言学
• 中国大陆的语料库建设： 始于80 年代初期，发展迅速。 例如：“汉语词频统计语料库”为200万 字次；“现代汉语语料库”为7000万字次； “中文五地区共时语料库”每年收入的语 料达6亿至8亿多字次；“面向语言教学研 究的汉语语料检索系统CCRL”为8亿多字次。
二、关于语料库利用的两个问题
●
研究案例三： “把”字句习得的“回避” 说与“不回避”说
• 量词的用法、形容词谓语句、无标记的被动句、 带各种补语的句子、“把”字句（多数学生难点 中的难点）、“了”“着”“过”的用法（“了” 也是难点中的难点）、比较句、方位词的用法、 长定语、三位数以上的大数目。 • 怎么知道什么是难点，什么不是难点呢？一是通 过语言对比研究来发现，二是靠教学经验。…… 到底什么是真正的难点，最终还要靠教学经验来 检验。（吕必松1992：110）
二、关于语料库利用的两个问题
• 如以英语为母语的学习者的语法难点有：形容词 谓语句、无标记被动句、带各种补语的句子、 “把”字句、“是……的”句、比较句以及 “了”“着”“过”的用法、量词用法、方位词 用法、长定语、大数目称数法以及话语连接等。 其中的大部分，对任何母语背景的学习者来说也 都是难点。
二、关于语料库利用的两个问题
„„语料库的使用，为语言学的研究 提供了一种新的思维角度，辅助人们 的语言“直觉”和“内省”判断，从 而克服研究者本人的主观性和片面性， 逐渐成为语言学研究的主流方 法。„„从某种意义上说，语料库的 使用，是语言学研究的一次革命性的 进步。（冯志伟2006：14）
二、关于语料库利用的两个问题
“得”字程度补语句的习得状况
形式
· ·+ 得 + 多 ·
· ·+ 得 + 很 · · ·+ 得 + 不得了 · · ·+ 得 + 厉害 · · ·+ 得 + 慌 · · ·+ 得 + 要命 · · ·+ 得 + 远 ·
词次
32
17 8 2 2 1 1
正误比
28/4
12/5 7/1 2/0 2/0 1/0 1/0
●
●
口语和书面语是不同质的研究对象，基本义 相同的口语词和书面语词经常不能替换： 如“帮”、“帮助”、“帮忙”基本意义 相同，“你帮我买张票”，不说“帮助” 和“帮忙”；“他欺骗我的感情”、“他骗我 的钱”，“欺骗”和“骗”也不能互换。 这和书面语与口语有关，也和汉语的节律 有关。 结论：对汉语形容词语法分布的论述应区 分口语体与书面语体。
二、关于语料库利用的两个问题
“性质形容词单独作谓语也有一定的限制， 一般只能用于对照、比较的情况。在没有 比较意味的句子里，一般要在前面加上程 度副词‘很’。” (刘月华等主编《实用现 代汉语语法》，商务印书馆，2002年。） 有学者利用语料库对汉语形容词在书面 语和口语中的分布进行了统计（张宝林 2011）：
一、 语料库与语料库语言学
• 第二代计算机语料库（1980年代）： 大规模（千万词级），词典编纂－应用导 向，句法级。 Bank of English、 Longman、 ICE（The International corpus of English）。
一、 语料库与语料库语言学
• 第三代计算机语料库（1990年代－）： 超大规模（上亿词级），标准编码体系深 度标注/多语种NLP应用，语义和语用级。 BNC（The British National corpus）、 LDC（Linguistic data Consortium，语言学 资料共享计划）、法兰西语料库、 俄语国 家语料库、 NERC（Network of European Reference Corpora，欧洲参考资料语料库 网/欧洲语料库网（European Corpora Network） 。
一、语料库与语料库语言学
• 上海交通大学、厦门大学、北京大学、中 国人民大学、北京师范大学、鲁东大学、 苏州大学、四川外国语学院、华中师范大 学等，也都已经建成或正在建设自己的汉 语语料库。 • 但是，现有的语料库绝大多数都是书面语 语料库，口语语料库很少，多模态语料库 尚无建成者。
一、 语料库与语料库语言学
二、关于语料库利用的两个问题
形容词的主要语法功能：定语说+谓语说。
语料 口语 书面语 口+书 形容词 谓语 504 611 1115 298 107 405 频率 59.1% 17.5% 36.3% 定语 108 385 493 频率 21.4% 63.0% 44.2%
二、关于语料库利用的两个问题
1.5 作用与成果 通过对语料库中较大规模真实语料的 考察，研究者发现了前人未曾发现的一些 汉语中介语现象。语料库为定量分析奠定 了坚实的基础，研究者可以把定性研究与 定量研究相结合，从而使得出的研究结论 具有较强的客观性、普遍性和科学性，这 在一定程度上改变了汉语教学与习得研究 的模式，极大地提高了汉语作为第二语言 教学研究的水平。
“得”字情状补语句的习得状况
一级 二级 三级 四级 五级 六级 合计
正
误
41
6
31
14
40
7
31
6
19
4
22
2
184
39
（孙德金2002，赵金铭 2008）
一、 语料库与语料库语言学
• 这一研究结果促使研究者利用相同语料库 对不带“得”字补语句（如趋向补语）的 习得情况进行考察，结果发现学习者习得 不带“得”字补语句偏误率整体高于带 “得”补语句。通过进一步的深入考察， 研究者大体构拟出了英、日、韩（朝）等 母语学习者对汉语不同类型补语的习得顺 序。（杨德峰2003、2008）
关于汉语作为第二语言教学研究中 语料库利用的两个问题
福建师范大学 沙平
一、语料库与语料库语言学
1.1 语料库（corpus/corpora）： 是存储语料的数据库，是以电子文本或其 它电子介质形式存贮在计算机中的、借助计 算机软件进行管理并可以通过计算机软件进 行查询、检索、统计的一定数量的语言材料 的集合，是进行语言研究的一种普遍资源。
二、关于语料库利用的两个问题
2.2 要注意研究对象的“同质”性 欧美现代语言学之父、瑞士语言学家 费尔迪南· 索绪尔（ferdinand de 德· saussure 1857-1913）十分重视语言研究 的“同质”问题。他提出了区分语言/言语、 历时/共时、能指/所指、组合关系/聚合关 系等一系列二分的语言学概念，就是为了 确保语言研究对象和语言研究的同质性。
二、关于语料库利用的两个问题
• 使用率：
• 外国学习者：3682 /4000000≈0.0921%。 • 汉语母语者： 张黎2007：46/210000≈0.0219% 李宁、王小珊2001：335万字，≈0.0894% • 人民日报： 俞士汶（98/1-6）：9801/13000000≈0.0754% CCRL（2000）：1498/1930000≈0.07762% CCRL（2012）：18413/24000000≈0.0767% “比较大的样本可以减低样本统计量的变异” （戴维· 穆尔2003：162）。 S·
• 通过语言对比突出语法的重点和难点。对外汉语 语法教学的一大特点是学习者会受到其第一语言 迁移作用的影响。作为第二语言的汉语对所有学 习者都有共同的难点，对不同母语背景的学习者 又有特殊的难点。（刘珣2000：366）
二、关于语料库利用的两个问题
• 对欧美学生来说，受事主语句、存现句、 主谓谓语句，以及时间、地点状语的位置， 始终是学习的难点，同时也体现汉语语法 特点。而带有普遍性的语法难点，则是 “把”字句、各类补语以及时态助词 “了”“着”等。至于我们所认为的特殊 句式，其实并非学习的难点，比如连动句、 兼语句、“是”字句、“有”字句以及名 词谓语句、形容词谓语句。这也是从多年 教学中体味出的。（赵金铭 2006）
二、关于语料库利用的两个问题
• 学界共识： 1）最大难点：“多数学生难点中的难 点”。 2）回避：外国学习者对把字句采取了回 避的学习策略，尽量不用，用则必错。 • 证据： 1）外国人对把字句的使用率不足百分之 一。 2）谈话一小时，没用一个把字句。
二、关于语料库利用的两个问题
• 有学者利用语料库对把字句使用情况进行 了考察 • 偏误率： 在“HSK动态作文语料库”（1.0版） 中，共有把字句3682句，其中正确句3221 句，在把字句总数中所占比例约为87. 48%； 偏误句461句，在把字句总数中所占比例约 为12. 52%。
一、 语料库与语料库语言学
中国大陆近年来基于语料库的具有代表 性的研究成果：
• 赵金铭教授：“基于中介语语料库的汉语 句法研究”（2008） • 张博教授：“基于中介语语料库的汉语词 汇专题研究”（2008） • 肖奚强教授：“外国学生汉语句式学习难 度及分级排序研究”（2009） • ……
二、关于语料库利用的两个问题
一、语料库与语料库语言学
1.3 汉语中介语语料库建设 • 汉语中介语语料库的建设是在国内外语料库 语言学和母语语料库建设的影响下开始的。 • 国外第一代计算机语料库（1960－70年代）： 小规模（百万词级），以语言研究为导向， 词法级。 Brown、 LOB、 London-Lund Corpus。
一、 语料库与语料库语言学
• 研究案例一：关于汉语补语的习得难度与 习得顺序 一般认为有复杂的补语系统是汉语语法 的一个特点，也是外国学习者习得汉语的 一个难点。但是，北京语言大学的课题组 利用“汉语中介语语料库”对带“得”字 补语句的习得状况进行了考察，发现学习 者习得“得”字补语句的偏误率没有人们 想象的那么高。（见下表）。
一、语料库与语料库语言学
1.2 语料库语言学（corpus linguistics） ： 包含两个方面： （1）语料库建设，包括对自然语料进行加工、 标注； （2）语料库应用，用已经标注好的语料进行 语言研究和应用开发。 是以现实生活中人们运用语言的实例为 基础进行的语言研究，可以在研究中发现某 些语言规律，也可以对语言假说进行验证。
一、语料库与语料库语言学
• 在这种背景下，从上世纪90年代开始，中 国大陆开始建设外国人学习汉语的中介语 语料库。经过10多年的发展，汉语中介语 语料库建设已初具规模，并在汉语作为第 二语言教学与习得等研究领域发挥了重要 的作用。
一、语料库与语料库语言学
1.4 已建成的Βιβλιοθήκη Baidu要汉语中介语语料库
• 北京语言大学：汉语中介语语料库系统 （1995）、HSK动态作文语料库（2006）、 首都外国留学生汉语文本语料库（2010）、 汉语学习者口语语料库（2007） • 南京师范大学：外国学生汉语中介语偏误信息 语料库 • 中山大学：留学生中介语语料库 • 暨南大学华文学院：留学生汉语中介语语料库
• 2.1 利用语料库已经成为汉语作为第二语言 教学研究的主流方法 • 语料库以其语料的充分性、客观性、可验 证性、使用的便捷性，正在使语言学的研 究与应用产生量与质的飞跃。 • 语料库语言学将数据收集与理论论述有机 地结合在一起，使我们对语言的理解发生 了质的变化.（Halliday1991） • 基于语料库的研究方法，已经成为当代语 言学和应用语言学研究中的一种主流方法。 （王建新2005）